闲扯
最近Spark2.3正式发布，流处理不再试Beta版，Spark的Structure Streaming几乎是拥有了Flink的所有功能，生态社区做得好就是不一样，Flink该加把劲了…
引言
Exactly-once是一个经常提到的语义，也是程序开发中，需要尽可能做到的一个理想状态。这种语义其实放在分布式程序中有很多种理解，比如读取数据源Exactly-once，Process过程Exactly-once，存储数据Exactly-once，但我们常用的理解方式是End-to-end的语义，也就是说，每一个输入，只会影响一次输出。
Exacly-once
既然是分布式的程序，要达到Exactly-once的语义，在输出那层，就应该只有两种情况，要么一起输出，要么一起不输出。Flink为此就提供了一个TwoPhaseCommitSinkFunction的抽象类用来完成这一语义，JIRA，PR。
顾名思义，此类利用了Checkpoint机制提供了两个Phase(步骤)：
- preCommit()
- commit()
preCommit()示意图：
这个示意图描述了一个从kafka读取数据，采用WindowFunction做处理，最后再存储到kafka里的数据流。在Checkpoint过程中，首先在Datasource上用barrier把数据流切成两部分并不断传递下去触发snapshot，以保证所有的snapshot都是在相同一部分数据下产生的，最后一个阶段调用Sink函数的Pre-commit()表示，所有的Taskmanager的Sink都可以进行commit()操作了。
注意此时并不能直接commit，因为taskmanager之间彼此并不知道其他的节点是否准备好了commit！
commit()示意图：
在checkpoint结束之后，JobManager会通知Listener们调用各自的Callback，此时Sink对象如果收到了JobManager发出的checkpointCompleted的通知，就知道所有的节点都准备好commit，然后此时才是真正的commit。
用法详解
简单来说，其实就是两步输出达到Exactly-once的思想，在很多地方都有用到。比如Hive在写表时，先将要写入的文件放入一个临时目录，然后再移入到target directory。
对应到程序里就4个步骤：
- beginTransaction - 开始这个事务，比如创建一个临时目录
- preCommit - 开始准备最后的commit，比如flush数据到临时目录中
- commit - 真正的提交数据，比如将临时目录下的数据移动到最终目录下
- abort - 删除临时目录
···
稍后我会写一个示例放出来
···
